Road Rutting Detection using Deep Learning on Images

要約

道路わだち掘れは深刻な道路障害であり、道路の早期故障を引き起こし、費用のかかる維持費が早期に発生する可能性があります。
ここ数年、画像処理技術やディープラーニングを用いた道路損傷検知の研究が盛んに行われています。
ただし、これらの研究は主に亀裂、ポットホール、およびそれらの変形の検出に焦点を当てています。
わだち掘れの検出に関する研究はほとんど行われていません。
この論文では、949 枚の画像で構成される新しい道路わだち掘れデータセットを提案し、オブジェクト レベルとピクセル レベルの両方の注釈を提供します。
オブジェクト検出モデルとセマンティック セグメンテーション モデルを展開して、提案されたデータセットで道路のわだち掘れを検出し、モデル予測の定量的および定性的分析を行って、モデルのパフォーマンスを評価し、提案された方法を使用して道路のわだち掘れの検出で直面する課題を特定しました。
オブジェクト検出モデル YOLOX-s は mAP@IoU=0.5 の 61.6% を達成し、セマンティック セグメンテーション モデル PSPNet (Resnet-50) は 54.69 の IoU と 72.67 の精度を達成し、将来の同様の作業のベンチマーク精度を提供します。
提案された道路わだち掘れデータセットと私たちの調査研究の結果は、ディープラーニングを使用した道路わだち掘れの検出に関する研究を加速するのに役立ちます。

要約(オリジナル)

Road rutting is a severe road distress that can cause premature failure of road incurring early and costly maintenance costs. Research on road damage detection using image processing techniques and deep learning are being actively conducted in the past few years. However, these researches are mostly focused on detection of cracks, potholes, and their variants. Very few research has been done on the detection of road rutting. This paper proposes a novel road rutting dataset comprising of 949 images and provides both object level and pixel level annotations. Object detection models and semantic segmentation models were deployed to detect road rutting on the proposed dataset, and quantitative and qualitative analysis of model predictions were done to evaluate model performance and identify challenges faced in the detection of road rutting using the proposed method. Object detection model YOLOX-s achieves mAP@IoU=0.5 of 61.6% and semantic segmentation model PSPNet (Resnet-50) achieves IoU of 54.69 and accuracy of 72.67, thus providing a benchmark accuracy for similar work in future. The proposed road rutting dataset and the results of our research study will help accelerate the research on detection of road rutting using deep learning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google